Venta departamentos properati

Code

import pandas as pd
import matplotlib.pyplot as plt
import plotly.express as px
import os
import seaborn as sns
import geopandas
import plotly.io as pio
import numpy as np
from scipy.stats import iqr
pio.renderers.default = 'notebook_connected'

Code

# datos scrapeados del sitio Properati 
# notebook scraping = https://github.com/MartinRV19/departamentos-CABA-venta
cwd = os.getcwd()
df = pd.read_csv(cwd + '\\departamentos_venta_2022_properati_modified.csv', index_col=None, header=0)

EDA

Code

df.head()

	Precio(USD)	m2_cubiertos	m2_totales	BARRIO	USD_m2
0	80000	45	45	LINIERS	1777
1	62000	40	40	LINIERS	1550
2	80000	47	47	FLORES	1702
3	90000	48	48	LINIERS	1875
4	115000	52	52	VILLA CRESPO	2211

Code

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3407 entries, 0 to 3406
Data columns (total 5 columns):
 #   Column        Non-Null Count  Dtype 
---  ------        --------------  ----- 
 0   Precio(USD)   3407 non-null   int64 
 1   m2_cubiertos  3407 non-null   int64 
 2   m2_totales    3407 non-null   int64 
 3   BARRIO        3407 non-null   object
 4   USD_m2        3407 non-null   int64 
dtypes: int64(4), object(1)
memory usage: 133.2+ KB

3407 departamentos

Code

df.describe()

	Precio(USD)	m2_cubiertos	m2_totales	USD_m2
count	3.407000e+03	3407.000000	3407.000000	3407.000000
mean	2.119949e+05	78.033754	83.790725	2560.814793
std	2.285894e+05	56.635677	61.321410	954.245856
min	1.294500e+04	19.000000	19.000000	375.000000
25%	9.700000e+04	44.500000	47.000000	1946.000000
50%	1.450000e+05	61.000000	66.000000	2403.000000
75%	2.300000e+05	88.000000	96.000000	2977.000000
max	2.500000e+06	624.000000	624.000000	11229.000000

El 75% de los departamentos valen menos de USD 230.000

Hay un rango de departamentos entre USD 375 a USD 11.229 el m2

Code

p99 = np.percentile(df['Precio(USD)'],99)
print(int(p99))

El 99% de los departamentos valen menos de aprox. USD 1.2M

Code

fig, ax = plt.subplots(figsize=(6,12))

sns.boxplot(y="Precio(USD)", data=df,color='orange')
ax.set_ylabel('Precio en millones de dólares', size=12)

plt.show()

Code

IQR = iqr(df['Precio(USD)']) # rango intercuartil 
print(IQR)

133000.0

Code

# rango superior "extremo" para detectar outliers = percentil 75 + 3 * rango intercuartil
p75 = np.percentile(df['Precio(USD)'],75)
rango_superior = p75 + 3 * IQR
cantidad_outliers = len(df[df['Precio(USD)'] >= rango_superior])

print(f'Rango Superior: {rango_superior}')
print(f'Cantidad de outliers: {cantidad_outliers}')
print(f'Proporción de outliers sobre el total: {round(cantidad_outliers/len(df),2)}')

Rango Superior: 629000.0
Cantidad de outliers: 148
Proporción de outliers sobre el total: 0.04

Visualizaciones

Code

fig, ax = plt.subplots(figsize=(14,6))

ax = sns.histplot(data=df, x='Precio(USD)',ax=ax,color='orange')
ax.set_title('Distribución Precio departamentos',{'fontsize': 16},pad=15)
ax.set_xlabel('Precio en millones de dólares', size=12)
ax.set_ylabel('Frecuencia', size=12)

plt.show()

Code

fig, ax = plt.subplots(figsize=(14,6))

datos_sin_outliers = df[df['Precio(USD)'] <= rango_superior]

ax = sns.histplot(data=datos_sin_outliers, x='Precio(USD)',ax=ax,color='orange')
ax.set_title(f'Distribución Precio departamentos\n(Sin valores superiores a USD {int(rango_superior)})',{'fontsize': 16},pad=15)
ax.set_xlabel('Precio', size=12)
ax.set_ylabel('Frecuencia', size=12)

plt.show()

Code

top_10_barrio_porcentaje = df.value_counts('BARRIO',normalize=True).rename('porcentaje').mul(100).reset_index().sort_values('porcentaje',ascending=False)[0:10]

fig, ax = plt.subplots(figsize=(14,6))

ax = sns.barplot(x="porcentaje", y="BARRIO", data=top_10_barrio_porcentaje,color='orange')

ax.set_title('Top 10 barrios según cantidad de publicaciones',{'fontsize': 16},pad=15)
ax.set_xlabel('Porcentaje sobre el total de publicaciones', size=12)
ax.set_ylabel('')

plt.show()

Mapa

Code

url = 'https://cdn.buenosaires.gob.ar/datosabiertos/datasets/barrios/barrios.geojson'
geodf = geopandas.read_file(url)
geodf = geodf[['BARRIO','geometry']]
geodf.set_index('BARRIO',inplace=True)
geodf.head()

	geometry
BARRIO
CHACARITA	MULTIPOLYGON (((-58.45282 -34.59599, -58.45366...
PATERNAL	MULTIPOLYGON (((-58.46558 -34.59656, -58.46562...
VILLA CRESPO	MULTIPOLYGON (((-58.42375 -34.59783, -58.42495...
VILLA DEL PARQUE	MULTIPOLYGON (((-58.49461 -34.61487, -58.49479...
ALMAGRO	MULTIPOLYGON (((-58.41287 -34.61412, -58.41282...

Code

geodf.index.sort_values()

Index(['AGRONOMIA', 'ALMAGRO', 'BALVANERA', 'BARRACAS', 'BELGRANO', 'BOCA',
       'BOEDO', 'CABALLITO', 'CHACARITA', 'COGHLAN', 'COLEGIALES',
       'CONSTITUCION', 'FLORES', 'FLORESTA', 'LINIERS', 'MATADEROS',
       'MONSERRAT', 'MONTE CASTRO', 'NUEVA POMPEYA', 'NUÑEZ', 'PALERMO',
       'PARQUE AVELLANEDA', 'PARQUE CHACABUCO', 'PARQUE CHAS',
       'PARQUE PATRICIOS', 'PATERNAL', 'PUERTO MADERO', 'RECOLETA', 'RETIRO',
       'SAAVEDRA', 'SAN CRISTOBAL', 'SAN NICOLAS', 'SAN TELMO',
       'VELEZ SARSFIELD', 'VERSALLES', 'VILLA CRESPO', 'VILLA DEL PARQUE',
       'VILLA DEVOTO', 'VILLA GRAL. MITRE', 'VILLA LUGANO', 'VILLA LURO',
       'VILLA ORTUZAR', 'VILLA PUEYRREDON', 'VILLA REAL', 'VILLA RIACHUELO',
       'VILLA SANTA RITA', 'VILLA SOLDATI', 'VILLA URQUIZA'],
      dtype='object', name='BARRIO')

Code

geodf.index[geodf.index.isin(df['BARRIO']) == False].unique()

Index(['VILLA GRAL. MITRE', 'NUEVA POMPEYA', 'VILLA RIACHUELO'], dtype='object', name='BARRIO')

Code

df.BARRIO[df.BARRIO.isin(geodf.index) == False].unique()

array(['LAS CAÑITAS', 'VILLA GENERAL MITRE', 'POMPEYA', 'BARRIO NORTE',
       'CENTRO / MICROCENTRO', 'ONCE', 'TRIBUNALES', 'CONGRESO',
       'PARQUE CENTENARIO', 'ABASTO'], dtype=object)

Code

# reemplazo valores en df
df.BARRIO.replace(['VILLA GENERAL MITRE','POMPEYA'],['VILLA GRAL. MITRE','NUEVA POMPEYA'],inplace=True)

C:\Users\Usuario\AppData\Local\Temp\ipykernel_5780\3263965301.py:2: FutureWarning:

A value is trying to be set on a copy of a DataFrame or Series through chained assignment using an inplace method.
The behavior will change in pandas 3.0. This inplace method will never work because the intermediate object on which we are setting values always behaves as a copy.

For example, when doing 'df[col].method(value, inplace=True)', try using 'df.method({col: value}, inplace=True)' or df[col] = df[col].method(value) instead, to perform the operation inplace on the original object.

Code

geodf.index[geodf.index.isin(df['BARRIO']) == False].unique()

Index(['VILLA RIACHUELO'], dtype='object', name='BARRIO')

Code

print(df.BARRIO[df.BARRIO.isin(geodf.index) == False].unique())
# no se considera los 160 registros con nombre de barrios no oficiales
print(len(df[df.BARRIO.isin(geodf.index) == False]))

['LAS CAÑITAS' 'BARRIO NORTE' 'CENTRO / MICROCENTRO' 'ONCE' 'TRIBUNALES'
 'CONGRESO' 'PARQUE CENTENARIO' 'ABASTO']
160

Code

# tabla con valores promedio por barrio
tabla_valores_promedio = df.groupby('BARRIO').mean()[['Precio(USD)','USD_m2','m2_cubiertos','m2_totales']]

Code

tabla_valores_promedio.head()

	Precio(USD)	USD_m2	m2_cubiertos	m2_totales
BARRIO
ABASTO	120475.000000	2259.000000	52.000000	58.750000
AGRONOMIA	101800.000000	1797.000000	56.400000	62.600000
ALMAGRO	127368.818966	2168.344828	59.387931	62.362069
BALVANERA	102242.456140	1744.307018	60.736842	63.640351
BARRACAS	167372.619048	2135.190476	81.523810	85.714286

Code

# left join geopandasDataframe y valores promedio
merged_df = geodf.merge(tabla_valores_promedio,how='left',left_index=True,right_index=True)

Code

# remplaza valores faltantes en barrio VILLA RIACHUELO
merged_df.fillna(0,inplace=True)

Code

merged_df['Precio(USD)'] = merged_df['Precio(USD)'].astype('int64')
merged_df['USD_m2'] = merged_df['USD_m2'].astype('int64')
merged_df['m2_cubiertos'] = merged_df['m2_cubiertos'].astype('int64')
merged_df['m2_totales'] = merged_df['m2_totales'].astype('int64')

Code

merged_df.head()

	geometry	Precio(USD)	USD_m2	m2_cubiertos	m2_totales
BARRIO
CHACARITA	MULTIPOLYGON (((-58.45282 -34.59599, -58.45366...	133904	2241	59	63
PATERNAL	MULTIPOLYGON (((-58.46558 -34.59656, -58.46562...	111090	2089	54	60
VILLA CRESPO	MULTIPOLYGON (((-58.42375 -34.59783, -58.42495...	138412	2169	62	68
VILLA DEL PARQUE	MULTIPOLYGON (((-58.49461 -34.61487, -58.49479...	150066	2224	66	72
ALMAGRO	MULTIPOLYGON (((-58.41287 -34.61412, -58.41282...	127368	2168	59	62

Code

fig = px.choropleth(merged_df,
                   geojson=merged_df.geometry,
                   locations=merged_df.index,
                   color="USD_m2",color_continuous_scale="Viridis",
                   projection="mercator",
                   labels={'BARRIO': 'Barrio','USD_m2':'Precio m2 en USD'})


fig.update_geos(fitbounds="locations", visible=False)
fig.update_layout(margin={"r":0,"t":50,"l":0,"b":0})

fig.update_layout(title_text='Precio promedio del metro cuadrado de departamentos por barrio <br>CABA (Marzo 2022)')

fig.update_layout(coloraxis_colorbar_x=0.8,coloraxis_colorbar_y=0.5)

fig.show()